转帖 没有仔细看

Net程序员一般不会太重视算法问题,因为工作中很少有机会用到,相比之下需求分析和构架设计的能力更为重要。反过来讲,算法能力也不能完全代表编程水平,更不能代表解决实际问题的能力。
但相信只要有程序员的地方,就会有人对算法感兴趣,即使在.Net版,也会有不少乐于思考某些不切实际问题的同志。
附一些实际工作中绝不会遇到的问题,大家可以测试一下自己对于这类问题的应对能力。

入门

1、一个长为10万的数组A,给出100万对下标i和j,其中i为起始下标,j为结束下标,j >= i,计算A[i]+A[i + 1] + ..... A[j](将这100万次计算结果存在数组)
2、共有40级台阶,每一步可以上1级,也可以上2级,问上这40级台阶共有多少种不同的走法
3、写段程序计算两个自然数A和B的最小公倍数

初级

1、123456789的阶乘后面有多少个0?
2、123456789的123456789次方 % 987654321 = ?
3、输出由1223334444打乱顺序后组成的所有数。
例如:1234234344

一级

1、100元钱换零钱(50、20、10、5、2、1元,5、2、1角),共有多少种不同的方法(只求数量即可,不用求全部解,经常出现的问题)
2、设数组A包括了全部由A-O组成的长为15的字符串,A-O各出现一次,并且数组A是有序的(第一个元素是ABCDEFGHIJKLMNO,最后一个元素是OMNLKJIHGFEDCBA),随便给出一个数组A中的字符串,输出他在A中的位置,例如ABCDEFGHIJKLMNO,输出0,OMNLKJIHGFEDCBA输出1307674367999)
3、输出所有8皇后问题的解,需要注意的是,某些解可以通过其他解旋转90,180,270度而获得,这样的解只算1个(需要去掉重复)。

二级

1、有一台机器,上面有m个储存空间。然后有n个请求,第i个请求计算时需要占R[i]个空间,储存计算结果则需要占据O[i]个空间(其中 O[i]<R[i])。问怎么安排这n个请求的顺序,使得所有请求都能完成。你的算法也应该能够判断出无论如何都不能处理完的情况。比方说,m=14,n=2,R[1]=10,O[1]=5,R[2]=8,O[2]=6。在这个例子中,我们可以先运行第一个任务,剩余9个单位的空间足够执行第二个任务;但如果先走第二个任务,第一个任务执行时空间就不够了,因为10>14-6。(其实是Google的一个笔试题,会者不难,难者不会)
2、两个长为100万的数组A和B,A和B中的元素都满足0 < A[i] B[i] < 2^31,用数组A中的元素和数组B中的元素两两相乘,得到数组C(A[0] * B[0],A[0] * B[1],A[0]*B[2] ......A[1] * B[0],A[1] * B[1]......A[999999] * B[999999]),C共有10^12个元素,现在随便给出一个数K,请你找出C中第K大的元素。
3、一个长为10万的数组A,给出100万对下标i和j,其中i为起始下标,j为结束下标,j >= i,找出A[i] - A[j]之间的最大值(将这100万次统计结果存在数组)。

涉及敏感词,再高一级的就不写了,如果你觉得以上问题都过于简单,请给我发私信索要更难的题目,或给我发一份简历,呵呵。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值